作者:俄亥俄州立大学杰夫·格雷贝尔
信用:Pixabay/CC0公共领域
一种模拟人脑工作方式的相对新型的计算已经在改变科学家解决一些最困难的信息处理问题的方式
现在，研究人员已经找到了一种方法，使所谓的储层计算工作速度提高33到100万倍，所需的计算资源和数据输入也大大减少
事实上，在下一代油藏计算的一次测试中，研究人员在台式计算机上用不到一秒钟的时间解决了一个复杂的计算问题
该研究的第一作者、俄亥俄州立大学物理学教授丹尼尔·高蒂尔说，使用目前最先进的技术，同样的问题需要超级计算机来解决，而且仍然需要更长的时间
“与油藏计算目前所能做的相比，我们可以用更少的计算机资源在很短的时间内完成非常复杂的信息处理任务，”Gauthier说
“储层计算已经比以前有了很大的改进
" 这项研究今天发表在《自然通讯》杂志上
高蒂尔说，储层计算是21世纪初开发的一种机器学习算法，用于解决“最难的”计算问题，例如预测随时间变化的动力系统的演化
他说，像天气这样的动力系统很难预测，因为在一种情况下，仅仅一个微小的变化就可能对未来产生巨大的影响
一个著名的例子是“蝴蝶效应”，在一个隐喻性的例子中，蝴蝶扇动翅膀产生的变化最终会影响几周后的天气
Gauthier说，先前的研究表明，储层计算非常适合学习动力系统，并且可以对它们未来的行为提供准确的预测
它是通过人工神经网络来实现的，有点像人脑
科学家将动态网络上的数据输入网络中随机连接的人工神经元的“蓄水池”
该网络产生有用的输出，科学家可以解释并反馈到网络中，从而对系统未来的发展做出越来越准确的预测
系统越大越复杂，科学家希望预测越准确，人工神经元网络就必须越大，完成任务所需的计算资源和时间就越多
Gauthier说，一个问题是人工神经元的储存库是一个“黑匣子”，科学家们还不知道它里面到底发生了什么——他们只知道它能工作
高蒂尔解释说，储层计算核心的人工神经网络是建立在数学基础上的
“我们让数学家看着这些网络，问‘机器中的所有这些部件真正需要到什么程度？’”他说
在这项研究中，Gauthier和他的同事研究了这个问题，发现整个油藏计算系统可以大大简化，大大减少了对计算资源的需求，并节省了大量时间
他们在一项预测任务中测试了他们的概念，该任务涉及由爱德华·洛伦茨开发的天气系统，他的工作导致了我们对蝴蝶效应的理解
他们的下一代储层计算显然是当今最先进的洛伦兹预测任务的赢家
在一台台式计算机上进行的一次相对简单的模拟中，新系统比当前模型快33到163倍
但是，当目标是在预测中获得更高的准确性时，下一代储层计算速度要快100万倍
Gauthier说，与目前一代模型所需的4000个神经元相比，新一代计算只需要相当于28个神经元就能达到同样的精度
速度加快的一个重要原因是，与当前一代相比，下一代油藏计算背后的“大脑”需要更少的预热和训练来产生相同的结果
预热是训练数据，需要将其作为输入添加到油藏计算机中，以便为实际任务做准备
“对于我们的下一代油藏计算，几乎不需要升温时间，”Gauthier说
“目前，科学家必须输入1000或10000个或更多的数据点来预热它
这是所有丢失的数据，实际工作不需要这些数据
我们只需要输入一两三个数据点，”他说
一旦研究人员准备好训练储层计算机来进行预测，下一代系统需要的数据就会减少很多
在他们对洛伦兹预测任务的测试中，研究人员可以使用400个数据点获得与使用5000个数据点或更多产生的当前一代相同的结果，这取决于期望的精度
Gauthier说:“令人兴奋的是，这种下一代储层计算利用了已经非常好的东西，使其效率显著提高。”
他和他的同事计划扩展这项工作，以解决更困难的计算问题，例如预测流体动力学
“这是一个难以置信的挑战性问题
我们想看看能不能用我们简化的储层计算模型来加速解决这个问题
" 这项研究的合著者是克拉克森大学电气和计算机工程教授埃里克·波尔特；亚伦·格里菲斯获得博士学位
D
俄亥俄州立大学物理学专业；以及俄亥俄州立大学物理学博士后温德森·巴博萨
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
